基于典型非机动车事故的自动驾驶汽车测试场景构建方法研究

基于交通事故卷宗、交通事故视频信息数据,研究机非混行交通环境下典型交通事故形态,构建了面向机非混行交通环境下的自动驾驶汽车测试场景,旨在针对我国较为特殊的机非混行环境下的自动驾驶汽车的测试场景及测试评价方法提供参考。本文首先分析了自动驾驶测试场景的构建需求,建立交通事故数据筛选标准,得到133例可用于构建自动驾驶汽车测试场景的机动车与非机动车交通事故数据集;其次基于《中华人民共和国道路交通安全法》行驶要求,对133例交通事故的发生地点、车辆行为、道路类型、环境光线等方面进行解构分析;最后通过聚类分析,建立了5类典型的自动驾驶测试场景模型,并分析了不同场景模型的关键要素,为实际道路测试提供理论指导。     

基于整车在环仿真的自动驾驶汽车室内快速测试平台

整车在环仿真测试方法可以安全、高效地验证复杂环境和极端工况等场景下自动驾驶汽车性能的有效性,基于此研发一种基于整车在环仿真的自动驾驶汽车室内快速测试平台,该平台由前轴可旋转式转鼓试验台、试验台测控子系统、虚拟场景自动生成子系统、虚拟传感器模拟子系统、驾驶模拟器、自动驾驶汽车和测试结果自动分析评价子系统组成。通过在试验台滚筒上独立加载转矩模拟车辆行驶阻力,可动态模拟不同的路面附着系数,同时利用坡度、侧倾和转向随动机构可模拟车辆俯仰角、侧倾角和航向角3个自由度;采用虚拟现实技术柔性集成车辆动力学模型、传感器仿真、复杂道路交通环境及测试用例仿真,模拟多种道路交通场景,并通过传感器仿真及数据融合等技术快速测试自动驾驶汽车智能感知与行为决策等性能指标。将自动驾驶汽车、虚拟仿真场景和试验台耦合构建一个闭环系统,完成了多项关键技术研发,包括：多自由度高动态试验台结构设计、虚拟测试场景自动重构方法和传感器数据模拟及注入方法,可满足在各种场景下测试自动驾驶汽车整车性能的需求。此外,为验证快速测试平台的有效性,以U-turn轨迹跟踪控制为研究实例,基于简化的车辆运动学模型和模型预测控制算法,在平台上搭建U-turn场景并对自动驾驶汽车的轨迹跟踪控制算法性能进行大量测试。结果表明：自动驾驶汽车室内快速测试平台可以真实地模拟汽车在道路上的运行工况,自动驾驶汽车在虚拟场景中的轨迹跟踪效果良好,与参考轨迹的偏差小于8%,证明了该测试平台检测方法的有效性。     

英国自动驾驶汽车道路测试法规简介

英国政府相信无人驾驶（自动驾驶）技术将有效改善道路交通安全并显著减少人员伤亡,并通过颁布相关法规鼓励和推动此自动驾驶新技术在道路交通中的应用,确保高度／完全自动驾驶汽车在公共道路上测试工作和未来市场应用的安全和规范。     

国际前研

<正>日本要让自动驾驶汽车学会预测危险自动驾驶汽车实现像普通人驾驶一样舒适而顺畅的乘坐感受,日本政府和民间计划合作开发新技术。目前开发的汽车自动驾驶技术方面,主要通过车载传感器等确认道路障碍物之后才启动制动器使车辆停止。而计划开发的则是对危险状况等事先进行预测并反映到驾驶上的"预测技术"。将收集和分析1万2千件实际驾驶数据,力争5年后投入实际应用。     

不良汽车驾驶行为特征分析

对不同车型的不良汽车驾驶行为特征进行了分析,根据北京、上海、大连等城市的视频数据统计出8种典型不良汽车驾驶行为的形态比例,对比分析了大型车与小型车、客运车与货运车在发生不良汽车驾驶行为时的车速、持续时间以及所处道路的服务水平,得出了发生不良汽车驾驶行为时的车速和持续时间与车辆类型有关而道路服务水平与车辆类型无关的结论,并且利用多因素模糊综合评价法对各种车型的不良汽车驾驶行为的危险度进行了评价,得知小客车的不良汽车驾驶行为对道路交通安全影响最大。     

眼动技术在道路交通系统中的应用

人-车-路环境组成了道路交通系统.从眼动的基本概念入手,总结了眼动技术的发展、数据记录方法以及眼动仪发展特点,着重从汽车设计、道路环境建设和驾驶过程中的视觉信息搜索及驾驶培训等方面分析了眼动技术在道路交通系统中的应用.     

基于双边控制法的仿真交通拥堵缓解分析

交通拥堵是阻碍道路交通发挥应有通行能力、降低车道通行效率的常见交通现象。自动驾驶汽车的出现给拥堵问题的解决提供了新的解决思路和技术方向。基于微观交通流交通波理论,根据实际道路饱和交通流车辆跟驰行为建立虚拟交通场景,通过自动驾驶仿真平台构建仿真试验环境,对采用双边控制法的自动驾驶汽车影响下的“幽灵堵塞”拥堵波传导现象进行了仿真分析。结果表明：采用双边控制法的自动驾驶车辆在缓解拥堵波传递上具备 优化效果,拥堵波得到有效缓解,通行效率提升 37.57%。     

基于驾驶模拟技术的道路行车安全性研究综述

对驾驶模拟技术在道路行车安全领域的研究及应用现状和存在的问题进行了分析。在广泛调研国内外相关文献的基础上,对驾驶模拟器进行了分类,并总结了国内外主要代表性科研型驾驶模拟器的发展历程,分析了典型驾驶模拟器的自由度、主要特征和应用领域。以“人-车-路-环境-事故”为主线,从不良驾驶行为特性分析、车辆主动安全技术研究、道路与交通设计、车辆驾驶环境以及道路行车事故研究5个方面,系统地梳理了驾驶模拟技术在国内外道路行车安全领域的应用研究现状、存在问题以及应用展望。在不良驾驶行为特性分析方面,重点研究了运用驾驶行为特性开展分心驾驶行为和疲劳驾驶行为的识别;在车辆主动安全技术研究方面,综述了运用驾驶行为开展车辆底盘一体化控制技术、安全辅助驾驶控制技术和自动驾驶接管行为的评价研究;在道路与交通设计方面,综述了道路几何和标志标线等的设计评价;在车辆驾驶环境方面,综述了不良气象、路侧景观和交通冲突等驾驶环境对驾驶行为的影响;在道路行车事故研究方面,总结了道路行车事故再现和事故影响因素分析等内容。此外,对驾驶模拟技术进行了应用展望,主要包括特殊人群的驾驶行为特性、智能网联汽车系统的测试及验证、混合交通流环境下的行车安全问题。对未来应对驾驶模拟器的有效性评价、不适性以及二次开发等问题进行探讨,以便更好地促进驾驶模拟技术的发展。      

自动驾驶汽车在城市道路上面临的主要场景挑战

基于人类的自然驾驶数据、交通事故数据等信息提出的自动驾驶汽车技术要求和测试场景难以反映自动驾驶汽车特有的局限性和安全风险。文章从车辆视角出发,利用搭载高度自动驾驶功能的汽车开展了实际道路测试,并通过分析测试过程中遇到的危险场景和边缘场景,总结了城市道路环境下自动驾驶汽车在感知、定位、决策规划、控制执行和网联通信等方面存在的主要场景挑战。该研究成果弥补了基于人类驾驶数据开展相关研究的不足,能够为自动驾驶汽车的研发和基于场景的测试验证提供参考。     

自动驾驶汽车-行人交互研究综述

自动驾驶汽车已开始在部分开放道路进行测试,其与行人等其他交通参与者共享混行道路,面向自动驾驶汽车的车外人机交互技术亟需开展深入研究,以便行人快捷、高效地理解自动驾驶汽车的行驶意图,确保混合交通场景通行安全并提高通行效率。本文首先阐述了自动驾驶汽车与行人交互的重要意义,并从行人检测与跟踪、行人意图识别及行为预测、自动驾驶汽车的决策3个方面介绍了目前自动驾驶汽车的车外人机交互前期支撑技术研究概况,着眼于自动驾驶汽车行驶意图的表达,对交互需求和车外人机交互界面的设计原则及质量评估进行了梳理,最后提出了车外人机交互面临的挑战及未来的发展方向。     

全球首例自动驾驶大客车开放道路行驶——宇通无人驾驶大客车试运行成功

<正>自动驾驶汽车又称无人驾驶汽车,最早以谷歌为首开发的无人驾驶私家车为大众所知,国内外传统汽车公司也相继投入研发,但至今未涉及大客车领域。8月29日,全球第一辆无人驾驶大客车,在开放道路交通条件下,全程无人工干预首次成功运行。据了解,进行此次自动驾驶试验的宇通大型客车从河南省连接郑州市与开封市的城际快速路——郑开大道城铁贾鲁河站出发,在完全开放的道路环境下,途经26个信号灯路口,自主完成了跟车行驶、自主换道、邻道超车、路口自动辨识红绿灯通行、定点停靠等一系列试     

基于车联网的驾驶行为影响因素探究

由于汽车驾驶员驾驶行为的多样性与复杂性,极大影响了道路交通安全,近年来,对驾驶员驾驶行为的分析能有效改善驾驶员的不良行为,对减少道路交通事故起了一定的作用。本文通过查找和整理文献,基于车联网技术,就驾驶行为的相关概述、驾驶行为的影响因子、驾驶行为的数据采集和存储、驾驶事件的识别指标、驾驶事件的识别方法、驾驶行为的分类等进行了分析。研究表明,驾驶员的驾驶行为可分为冒险型、稳定型、焦虑型、愤怒型,其中稳定型对道路交通安全的影响极小,其它三种类型都有不同程度的影响。     

机动车驾驶人不文明驾驶行为源头管理研究

不文明驾驶行为容易导致道路交通事故.文中通过源头管理,将安全文明驾驶素质培训列为驾校培训项目之一,结合视频、宣传板、虚拟现实技术等多渠道管理,从源头提升学员的安全文明驾驶素质,从而降低交通违法量和道路交通事故数量,营造良好的道路交通环境.     

自动驾驶能否助力共享经济？

<正>随着经济发展和社会进步,自动驾驶汽车、区块链及人工智能等技术成为大家热议的话题,甚至成为了一种新的潮流。与此同时,以共享经济为代表的新型经济业态蓬勃发展,不但惠及百姓,更创造出了新的投资机遇和经济增长点。众所周知,自动驾驶的目标是让自动驾驶汽车可以独立完成出行任务,人类将自己出行需求完全交付给自动驾驶汽车,在出行过程中的娱乐需求也可以由自动驾驶汽车提供,高度智能化的自动驾驶汽车可以让人们便捷、舒适地到达目的地。对于自动驾驶的未来,     

新闻

<正>德尔福将与Ottomatika携手为业内提供领先的自动驾驶解决方案全球领先的汽车零部件制造商德尔福汽车公司将联合Ottomatika,Inc.开发新技术,以加快推动自动驾驶技术的发展。作为首家推出汽车雷达系统的公司,德尔福将其主动安全技术与Ottomatika的自动驾驶软件进行集成,形成一个全新的技术平台,使车辆在市内道路或高速公路环境下能够自主做出决策。该平台适应性强,可通过更新软件的方式进行扩展或升级。此外,它还将支持"车辆与环境"(V2X)通信。     

汽车经济性驾驶技术及应用概述

汽车经济性驾驶是道路交通节能减排的重要方向。该技术以驾驶人与车辆/道路/交通流的优化与协调为核心,通过重塑驾驶员习惯、辅助驾驶员操作以及车辆自动化控制等手段,满足出行需求的同时降低行驶过程的油耗。该文综述了汽车经济性驾驶技术的发展历史、技术现状与理论难点;介绍了节油驾驶策略的实验型和理论型辨识方法。其应用可分为3类:易于实施、适合政府层面推动的驾驶员教育;最具产品化前景、值得业界关注的节油驾驶辅助;将是经济性驾驶技术的理想载体的自动驾驶。     

自动驾驶技术解读:世界各国及组织现行法规政策

正近年来"自动驾驶汽车"一直是汽车、互联网等行业以及社会公众关注的热点,奔驰、沃尔沃、大众、通用、丰田、日产等传统汽车厂商以及Google、百度等互联网科技企业纷纷宣布各自的自动驾驶汽车开发计划。同时,交通管理部门需要及时适应新技术变革带来的交通安全管理新形势,保障道路交通安全并促进自动驾驶行业健康发展。自2012年Google获得美国加利福尼亚州首个自动驾驶汽车测试牌照以来,发达国家均在积极推动自动驾驶汽车新政策的制定和引导,本文从法律法规方面对自动驾驶汽车相关政策进行解读与综述。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

我国自动驾驶汽车发展过程中存在的问题

自动驾驶汽车已成为全球发展趋势,随着人工智能、大数据、通信技术发展,自动驾驶必将迎来蓬勃发展,但是完全实现自动驾驶的道路是漫长而曲折的.本文通过介绍自动驾驶汽车在人员、车辆、道路、网络、云平台五个方面所面临的技术难点与存在的问题,建议行业向重点难点领域聚集,推动行业发展.     

面向自动驾驶的道路适驾性研究进展

现有道路设计规范考虑了驾驶人感知反应时间和车辆动力学特征,而自动驾驶汽车与驾驶人在感知反应时间、感知距离和感知高度等方面存在差异。这些差异可能会导致自动驾驶汽车在特定道路条件下面临挑战,例如复杂的道路线形、不规则交叉口等情况。为了解道路基础设施对自动驾驶汽车运行的影响,需要开展面向自动驾驶的道路适驾性研究。针对不同道路类型,道路几何设计、交通控制设施和路侧设施等对自动驾驶汽车安全运行影响的定量研究尚不充分。从路段、交叉口、交通标志标线3个方面进行归纳整理,结果表明：(1)现有的研究建立了道路线形设计、交叉口几何设计与自动驾驶感知能力的关系,发现平曲线半径、弦长和曲线偏转角等设计指标影响自动驾驶视距;(2)实车测试发现道路类型、平曲线曲率和车道宽度对自动驾驶失效事件具有显著影响;(3)随着自动驾驶汽车市场渗透率的增加,自动驾驶汽车之间交互行为规则更加明确,有利于提升道路适驾性水平;(4)自动驾驶的感知识别准确率会受到交通标志的反光性能和设置位置的影响,失效概率与交通标线的尺寸、逆反射亮度系数以及延长线相关。面向未来自动驾驶应用需求,针对已建道路,需要测试不同复杂工况条件对自动驾驶汽车运行...